요인분석, 문항을 묶어 변수 만들기
KMO 0.6 이상, Bartlett 검정 유의가 출발선입니다. 고유값 1 이상으로 요인을 뽑고 베리멕스 회전 후 적재량 0.4 또는 0.5를 기준으로 문항을 정리합니다.
문항 20개가 사실은 네 개의 개념을 재고 있다는 것을 보이는 분석입니다. 설문 문항이 의도한 대로 묶이는지 확인하고, 묶인 문항들로 변수를 만들어 이후 분석에 씁니다.
탐색적과 확인적
- 탐색적 요인분석(EFA): 문항이 어떻게 묶이는지 자료에게 물어봅니다. 새로 만든 설문이나 번역한 도구에 씁니다. SPSS로 합니다.
- 확인적 요인분석(CFA): 이렇게 묶일 것이라는 모형을 미리 세우고 자료가 그 모형에 맞는지 봅니다. 검증된 도구를 썼을 때 적합합니다. AMOS나 Mplus로 합니다.
SPSS에서 돌리기
- 1분석 > 차원 축소 > 요인분석을 엽니다.
- 2문항을 전부 변수 칸에 넣습니다.
- 3기술통계에서 KMO와 Bartlett의 구형성 검정에 체크합니다.
- 4요인추출에서 주성분 또는 주축요인을 고르고, 고유값 1 초과를 기준으로 둡니다.
- 5요인회전에서 베리멕스를 고릅니다.
- 6옵션에서 크기순 정렬과 작은 계수 표시 안 함(0.4)에 체크하면 표가 훨씬 읽기 쉬워집니다.
읽는 순서
- KMO가 0.6 이상이어야 요인분석을 할 만한 자료입니다. 0.8을 넘으면 양호하다고 봅니다.
- Bartlett의 구형성 검정은 유의해야 합니다. 유의하지 않으면 문항 간 상관이 거의 없어 묶을 것이 없다는 뜻입니다.
- 고유값 1 이상인 요인의 개수를 봅니다. 이론상 기대한 개수와 맞는지 확인합니다.
- 누적 설명분산이 60% 안팎이면 무난하다고 보는 관행이 있습니다. 사회과학에서는 50%대도 흔히 받아들여집니다.
- 회전된 성분행렬에서 각 문항의 적재량을 봅니다.
문항을 빼는 기준
- 어느 요인에도 0.4 이상으로 붙지 않는 문항은 뺍니다. 엄격하게는 0.5를 쓰기도 합니다.
- 두 요인 이상에 0.4 넘게 동시에 붙는 교차적재 문항도 뺍니다. 두 적재량의 차이가 0.2 미만이면 교차로 보는 관행이 있습니다.
- 이론적으로 다른 요인에 붙어버린 문항은 수치만 보고 옮기지 말고, 왜 그렇게 묶였는지 설명할 수 있어야 합니다.
- 문항을 뺄 때는 한 번에 하나씩 빼고 다시 돌립니다. 여러 개를 한꺼번에 빼면 구조가 크게 바뀝니다.
측정도구의 구성타당도를 확인하기 위해 주성분분석과 베리멕스 회전을 적용한 탐색적 요인분석을 실시하였다. KMO 값은 .873, Bartlett의 구형성 검정 결과는 유의하여(χ²=2,418.37, p<.001) 요인분석에 적합한 자료임을 확인하였다. 고유값 1 이상을 기준으로 4개 요인이 추출되었으며 누적 설명분산은 63.42%였다. 요인적재량이 .40 미만인 2개 문항을 제외하고 최종 18개 문항을 분석에 사용하였다.